第五章 变量间关系可视化

Author

221527213余语彤

1 解释原始数据

1.1 mtcars

  • mtcars 是R自带的数据集，该数据集摘自 1974年《美国汽车趋势》杂志，包括32款汽车(1973~74款)的油耗、汽车设计和性能等共11个指标。根据该数据集绘制本次练习图形。

  • 指标解释：cyl、vs、am、gear和carb作为因子变量，其余可看作数值变量。

    • mpg: 燃油效率（英里/加仑），数值越高越省油。

    • cyl: 发动机气缸数（4/6/8缸），缸数越多通常动力越强。

    • disp: 发动机排量（立方英寸），排量越大动力越强，油耗越高。

    • hp: 发动机马力（马力），数值越高动力越强。

    • drat: 后轴传动比（比值），影响加速和燃油经济性。

    • wt: 车重（千磅），重量轻的车通常更省油。

    • qsec: 1/4英里加速时间（秒），时间越短动力越强。

    • vs: 发动机类型（0=V型，1=直列），V型多见于高性能车。

    • am: 变速器类型（0=自动，1=手动），手动挡通常更省油。

    • gear: 前进挡位数（3/4/5挡），挡位多可能更平顺省油。

    • carb: 化油器数量（1-8个），数量多可能提升动力。

1.2 diamonds

  • diamonds是R中ggplot2包内置的经典数据集，记录了约 54,000 颗钻石的物理属性和价格信息。数据集包含 10 个变量，4个分类变量，6个数值变量。
  • 指标解释：cut、color、clarity为因子变量，其余可看作数值变量。
    • carat: 钻石重量，单位是克拉（1克拉=0.2克），数值越大钻石越大越贵。
    • cut: 切工质量，分为5个等级：Fair（一般）、Good（良好）、Very Good（很好）、Premium（优质）、Ideal（完美），切工越好钻石光泽越强。
    • color: 颜色等级，从D（无色，最佳）到J（浅黄色），颜色越接近无色价值越高。
    • clarity: 净度等级，分为8级：I1（内含物明显）、SI1-SI2（小内含物）、VS1-VS2（极小内含物）、VVS1-VVS2（极微小内含物）、IF（内部无瑕），净度越高钻石越纯净。
    • depth: 总深度百分比（%），计算公式为z/(x+y)/2*100，影响钻石的光反射效果。
    • table: 台面宽度百分比（%），指钻石顶部平面相对于平均宽度的比例，影响钻石的外观比例。
    • x: 钻石长度（毫米），物理尺寸之一。
    • y: 钻石宽度（毫米），物理尺寸之一。
    • z: 钻石高度（毫米），物理尺寸之一。
    • price: 钻石价格（美元），反映其综合价值，受carat、cut、color、clarity等因素影响。

2 两变量散点图

2.1 绘图要求

  • 利用ggplot(data,aes(x,y))+geom_point()绘制燃油效率(mpg，横轴)和车重(wt，纵轴)两个变量的散点图；

  • 利用geom_rug()为横轴和纵轴绘制地毯图；

  • 利用stat_smooth()为散点图添加拟合直线；

  • 利用geom_point()为散点图添加均值点；

  • 利用ggMarginal(type="densigram") 为散点图添加边际核密度直方图；

  • 利用ggtitle() 将图标题改为散点图+地毯图+线性拟合+边际图 。

2.2 作图代码

2.3 图形观察和代码编写的心得体会

  • 图形观察：该图结合了散点图、地毯图、线性拟合线和边际分布图，通过颜色和形状突出均值点，形成多维数据展示。

  • 代码心得：通过 ggplot2 的图层叠加实现复合图表，geom_rug 和 ggMarginal 增强数据分布的可视化，参数精细控制颜色和透明度提升美观性。

3 散点图矩阵和相关系数矩阵图

3.1 绘图要求

  • 利用GGally::ggpairs(columns)绘制除cyl、vs、am、gear和carb外6个变量的散点图矩阵；

  • 修改参数upper=list(continuous = "density") ，将上三角图形改为二维核密度等高线图；

  • 利用ggiraphExtra::ggCor() 绘制除cyl、vs、am、gear和carb外6个变量的相关系数矩阵图。

3.2 散点图矩阵

3.3 相关系数矩阵图代码

3.4 图形观察和代码编写的心得体会

  • 图形观察：ggpairs 生成散点矩阵图，对角线下方为散点图，上方为核密度图，直观展示变量间关系及分布；ggCor 则聚焦相关系数矩阵，用数值和显著性标注相关性。

  • 代码心得：upper是上三角图形改为二维核密度等高线图，lower是下三角形，灵活定制矩阵图类型，ggCor 的 label 和 mode 参数优化了统计信息展示，适合快速分析变量关联性。ggCor中label，若=3，有p值；若=1，只有相关系数；若=2有星星显著。两图互补，ggpairs 侧重分布与趋势可视化，ggCor 量化相关性，结合 theme 调整字体提升可读性。

4 大数据集的散点图

4.1 绘图要求

  • 利用diamonds数据，绘制carat: 钻石重量和 price: 钻石价格两个变量的散点图；

  • 利用geom_hex(bins=30,size=0.3,color="black")，将散点图转化为六边形分箱散点图；

  • 利用stat_density_2d(geom="raster",aes(fill=..density..),contour=FALSE) ，将散点图转化为二维核密度图；

  • 利用geom_density_2d() ，在散点图上添加核密度等高线；

  • 利用geom_density_2d_filled(alpha=0.8) ，对核密度等高线区域填充颜色。

4.2 六边形分箱散点图

4.3 二维核密度图

4.4 散点图+密度等高线

4.5 散点图+密度等高线带

4.6 图形观察和代码编写的心得体会

  • 针对diamonds大数据集，六边形分箱(p1)有效处理高密度重叠点，核密度图(p2)平滑展示价格-克拉的分布趋势，而散点+等高线组合(p3/p4)则平衡了原始数据点和分布形态的呈现。

  • 统一使用viridis的H配色方案确保色盲友好性，通过theme_bw()和移除网格线实现极简风格，alpha透明度(filled)和等高线粗细(size)的调整增强了图表层次感。

  • 六边形分箱适合快速捕捉整体分布模式，密度图侧重概率分布特征，而散点+等高线组合则更适合需要同时观察原始数据点和总体分布形态的分析场景。

5 3D散点图和气泡图

5.1 绘图要求

  • 绘制hp发动机马力、mpg燃油效率和wt车重三个变量的 3D 散点图和气泡图。

  • 采用scatterplot3d(x=hp,y=wt,z=mpg)绘制3D散点图，并添加回归平面。

  • 采用ggplot(df,aes(x=hp,y=mpg,color=wt,size=wt)) 绘制气泡图

5.2 3D散点图代码

5.3 气泡图代码

5.4 图形观察和代码编写的心得体会

  • 3D散点图（scatterplot3d）通过添加回归平面直观展示hp、wt对mpg的二元线性关系，而2D气泡图（ggplot2）则通过颜色和尺寸双重编码wt变量，更清晰地呈现hp和mpg的关系及wt的分布影响。

  • 3D图中通过highlight.3d和type="h"增强立体感，2D图中用scale_size控制气泡大小范围，scale_color_binned实现连续变量分箱着色，两者都通过主题设置优化了图表细节的可读性。

  • 3D图适合展示多变量间的空间关系，但存在视角限制；

    2D气泡图通过尺寸/颜色双编码更有效地在二维平面展示三维信息，辅以标注说明（annotate）使图表信息更完整。

6 分组散点图

6.1 绘图要求

  • 以气缸数(cy1)为因子，绘制车重(wt)和燃油效率(mpg)的分组散点图，添加回归直线；

  • 利用facet_grid(~cy1,scale="free_x") ，按因子变量分面；

  • 利用ggplot(data=df,aes(x=wt,y=mpg,shape=cyl,color=cyl)) ，按形状和颜色分组

6.2 按因子变量分面代码

  • 注意分组变量cyl需要转化为因子

6.3 按形状和颜色分组代码

6.4 图形观察和代码编写的心得体会

  • 第一个图表通过facet_grid实现按cyl（发动机气缸数）分面，每个子图展示独立的回归关系；

    第二个图表则通过形状和颜色区分cyl组别，所有数据在同一坐标系展示，两种方式各有侧重。

  • 分面图通过移除图例(legend.position="none")和调整面板间距(panel.spacing)提升简洁性；

    分组图则精心设置点形状(scale_shape_manual)和调色板(scale_color_brewer)，并在底部放置图例，实现清晰组别区分。

  • 分面图适合比较各组别的独立分布模式，而分组图更利于观察组间重叠区域的交互关系，stat_smooth的线性回归为两者都提供了趋势参考。